（十一）加强算力资源协同调度。鼓励企业基于业务特征实现云边端算力协同，整合多元异构芯片资源，云侧实现模型训练、微调、量化和蒸馏等任务，边缘端侧实现模型轻量化部署以满足工业低延迟需求。深挖算力使用需求和应用场景，深化算力供需对接和算力资源高效调度运营。

五、开展模型选型与调优

（十二）科学确定应用场景。聚焦解决企业在制造全流程中的关键技术或工艺难题，选取对生产力有明显带动作用的高价值场景，开展人工智能技术研发和应用落地，在以下五类场景中重点布局人工智能应用。研发设计类重点推进智能辅助设计、创意图纸快速生成等；中试验证类重点开展仿真模型智能构建、测试数据智能生成等；生产制造类深化应用智能排产调度、工业视觉智能检测等；营销服务类重点突破个性化推荐、定制化售后等；运维管理类着力实施设备预测性维护、能效优化分析、辅助经营决策支持等。

（十三）量化场景关键指标。结合场景特征和业务目标，设定模型选型所用的可量化指标，以此评估场景应用效果，为模型选型和调优提供依据。研发设计类场景重点衡量单位时间内设计迭代次数、设计方案生成数量、方案采纳比率等；中试验证类场景重点考核仿真建模效率、测试指标覆盖程度等；生产制造类场景着重监测综合优化效率、生产合格率以及漏报率、误报率等；营销服务类场景重点检查营销转化率、响应时效等；运维管理类场景重点关注故障预测准确率、维护成本降低幅度等。

（十四）结合业务选定模型。基于业务场景需求，结合算力基础设施建设情况，开展模型评测选型。综合考虑模型、开发框架、编译器、推理部署工具链之间的兼容性、可靠性及易用性，优先选用经行业实践验证的成熟方案。鼓励面向制造业细分业务场景研发智能体产品，构建智能化解决方案。把安全作为模型选型的重要考虑，综合考量模型来源、漏洞缺陷、安全防护机制等，优先选择安全可信度高的模型底座。鼓励企业打造产、供、销全链条模型协同能力，提升各环节联动效率。

（十五）采用提示词工程与检索增强调优。构建涵盖工业常规问题、边缘案例的提示词库，建立语法正确性、语义完整性、用户满意度等多维度指标。针对市场分析、新技术应用等高频知识更新场景，对接行业数据库及资讯平台，实施数据源权威性评价与内容监测机制，确保信息真实性。

（十六）利用模型微调适配典型场景。质量检测与缺陷识别场景，重点开展基于预训练模型的小样本标注缺陷数据微调，强化模型对复杂微小特征提取能力；生产调度场景，重点根据产线历史数据全参数微调时序预测模型，动态分配资源提升核心任务效率；设备故障诊断场景，重点利用时序数据、音频数据等多模态数据开展实时监测预测，优化故障预测模型。

（十七）结合实际开展混合调优。鼓励企业根据实际情况，优先采用提示词工程及检索增强技术，逐步尝试参数高效微调、全参数微调，提升模型能力。结合实际建设多模态模型候选库，综合采用参数微调、架构搜索、大小模型协同等手段，确定最优解决方案。

六、模型部署与集成

（十八）验证模型性能。在实际生产环境中进行试运行验证，确保模型能够在真实场景中有效运行。综合考虑各类模型的资源分配、数据安全性、实时性、稳定性、响应能力以及系统的扩展性等要求，使用微服务架构、API接口、中间件等技术，基于业务特征将模型集中部署或云边端协同部署。

（十九）提升模型易用性。根据业务需求，开发具体的模型应用接口、低代码组件等，基于业务需求实现数据接入灵活配置和模型分析结果展示。

七、持续提升应用成效

（二十）评估应用能力水平。组建专业团队开展专项评估，定期分析改进。从模型准确率、算力利用率、推理时延、投入成本、安全稳定等方面，评估人工智能在企业应用中的问题。

（二十一）推动迭代优化升级。定期分析应用人工智能对企业运营决策水平提高、业务处理效率提升、产品生产质量改进、经营效益改善等方面的影响。结合企业发展战略和人工智能技术趋势，制定下一阶段应用目标与实施方案。强化集约管控，推动智能化与绿色化深度融合，实现可持续发展。

（二十二）深化技术融合创新。联合高校科研机构攻关模型在工业应用过程中的实时性、端侧部署和可靠性等关键技术。结合应用成效，推动二次创新，将行业大模型深度嵌入研发设计、中试、生产和运营等全流程。强化参数优化与知识推理能力，孵化智能软件开发、智能运维等工业智能软硬件工具和产品，构建以人工智能为驱动的新质生产力。

（二十三）鼓励优秀方案输出。具备技术优势的行业领军企业，通过开放平台接口、开源通用模型及工具链、共享高性能算法模型、研制标准规范等方式，向产业链上下游输出整体技术解决方案，促进产业链协同创新。

八、做好人工智能应用安全防护

（二十四）强化数据安全防护。贯彻落实《数据安全法》《工业和信息化领域数据安全管理办法（试行）》等法律政策，根据行业领域数据特点，组织开展数据分类分级、全生命周期安全防护、风险监测预警、风险评估等工作，为各行业人工智能应用提供数据安全保障。面向数据标注、汇聚、训练、合成等环节，强化数据校验、检测评估、身份认证和权限管理，提升数据安全风险防范水平。

总共8页  [1] [2] [3] [4] [5] [6] 7 [8] 
上一页  下一页